【NS精读】究竟该如何给自己的纳米材料取名——纳米形态计量学来帮忙

引言

纳米技术的发展不仅将材料学的研究尺度推向了近原子级的水平，而且理论上结合先进的合成技术还能制造任何形态的纳米材料。因为纳米材料形态的多样性，相信研究纳米材料的同学在看到透射电镜图像的时候，常常会遇到这样的问题——我的材料应该起个什么名字？这其实是一个系统性的问题——由于发展过于迅速，学界还来不及给各式各样的纳米材料进行权威的定义，不仅导致研究人员无法为材料定名，还会导致相近形态的材料在不同的研究中出现不同的名字。因此，对纳米形态进行计量学研究可以定义纳米颗粒的形态，还能够评估合成纳米材料的形态质量以及统计学的分布差异。

近期，爱尔兰都柏林大学的V. Castagnola、Y. Yan以及K. A. Dawson（共同通讯作者）等人合力发展了一种基于透射电镜显微学（TEM）的纳米颗粒计量学方法，以此来对不同形态的纳米颗粒进行定义和分类。研究人员以四种金纳米颗粒为研究对象，引入了指标对形态独特性进行定义并评估了形态差异性。该篇研究文章题为“An antif Classification and biological identity of complex nano shapes”，于2020年6月12日发表于Nature旗下的Communications Materials。

Dawson等人在Commun. Mater.发表的关于纳米形态分类的最新文章

纳米颗粒群体形态身份信息提取

与分子不同，纳米颗粒形态并没有固定的单一几何学特征。然而不断进步的合成方法可以剔除许多因素（如混合的异质性），以保证即便单个纳米颗粒的形态会有些许不同，但作为群体它们具有可分辨的统一形态特征（图1a-c）。因此，研究首先引入了形态概率分布的概念，以此讨论群体形态（population shape）独特性（身份）并评估测量形态差异（图1d）。在TEM的帮助下，研究人员能够捕捉到高度空间分辨率的纳米颗粒形态，所捕捉到的TEM图片再进行二维或者三维的数字化，并以此进行合理的统计抽样。基于这些图片数据建立的数据库，根据离散傅里叶转变（DFT）就可以得出纳米颗粒的身份信息。

图1 纳米颗粒形态群

那么如何数字化TEM图片信息呢？文章给出的方法是利用一个图形轮廓提取软件程序，设计了可以基于TEM图片进行纳米颗粒轮廓提取的算法。简单来说，就是先将TEM图片进行二进制数字化转换，再通过设定阈值，筛选提取纳米颗粒边缘轮廓信息（图2）。提取的轮廓再重整并重新取样，就可以得到组成轮廓的各个点的坐标信息。这些坐标信息最终通过DFT转变成傅里叶系数。因此，纳米颗粒形态的描述因子就由数十上百个傅里叶系数构成。

图2 利用Python脚本进行轮廓提取

纳米颗粒群体形态身份信息简化

虽然基于数百个傅里叶系数的傅里叶表达式等价于空间轮廓，但很多情况下表达式只需要几个系数就能有效捕捉到形态的关键信息，从而简化形态描述方式。而在另一方面，定义所谓“形态集合体差异”的一个主要因素就是颗粒间的距离，距离过大的的颗粒一定分属不同的形态群体。基于此，文章提出了“L_nnorm”的距离概念，可以描述颗粒轮廓之间的关系，并以“空间近距（spatial proximity）”的概念代替几何相似性（图3）。

图3 不同形态群体中纳米颗粒间的距离计算

进一步地，文章还利用主成分分析（PCA）的方法来完善颗粒分类。通过以单个纳米颗粒为独立样本，设定每一个傅里叶系数为独立变量，删除那些对所有颗粒都呈现相同数值的傅里叶系数，留下对所有颗粒呈现广泛数值范围的傅里叶系数作为主成分（PC），从而对样本群体实现降维分析，大大简化了样本分类难度。如图4a所示，以这些主成分作为描述因子能够实现集合体（团簇）间的有效分离，同时也不会损失主要信息。不仅如此，受到粒径分析方法中的 “多分散指数（PDI）”的启发，文章还引入了“概率分布指数（PDF）”概念（图4b），其中PDF的“宽度”表示群体成员的离差程度。即群体中心范围的纳米颗粒都具有较好的形态（如棒状或者球状），而远离群体中心的外层纳米颗粒则表现出一定程度的形态变动。

图4 基于PCA的不同形态群体分布

纳米颗粒形态引发生物响应

该篇文章除了介绍纳米颗粒形态分群的方法以外，还重点研究了纳米颗粒形态与生物响应的关系。图5的转录组学分析就揭示了在独立的各组实验中，不同形态几何体对细胞的生物响应的影响和分化。。热图分析显示（图5a），纳米球集合体（GNP1）、大尺寸纳米刺集合体（GNP3a）以及小尺寸纳米刺集合体（GNP3b）能够对细胞转录产生深刻作用，而纳米星集合体（GNP4）对细胞转录行为的影响未能显著探测到。尽管GNP3a 和GNP3b分属两个形态集合体，但它们能够引发类似的细胞行为，表明这两个集合体具有相似的生物性身份（biological identity）。随后，利用主坐标分析（PCoA）（图5b），研究人员发现了高水平的生物再现性（biological reproducibility）以及隔离（separation）现象。火山图则进一步揭示了经过GNP1或者GNP3b处理的细胞的差异表达基因（DEGs）。通过设定合理的阈值，GNP1和GNP3b中的DEGs分别是561和2725（图5c-5d）。不仅如此，对比前十的基因本体论条目可以发现在两组处理中没有发现任何重叠。这些结果均表明，细胞的转录和生物响应具有纳米颗粒形态依赖性。

图5 小鼠树突细胞系中形态依赖的生物响应的转录组学分析

结论

到目前为止，对纳米颗粒缺乏分类和统计形态分析已经不仅仅是一个技术问题，更是一个研究文化问题。在纳米材料的以往研究中，这一问题常常是被忽略的。而Dawson等人在这篇文章中所报道的研究工作正是直面这一问题，并试图利用数学工具来解决这一问题。对生物响应的研究也说明了，纳米颗粒形态分析在生物学、药学等领域均有潜在的应用价值。结合机器学习、人工智能以及大数据等新型手段，可以更好地获取图片信息，从而提高纳米颗粒形态分析质量，有助于其的进一步发展和应用。

参考文献：Classification and biological identity of complex nano shapes

文献链接：https://www.nature.com/articles/s43246-020-0033-2

本文由nanoCJ供稿。

本内容为作者独立观点，不代表材料人网立场。

未经允许不得转载，授权事宜请联系kefu@cailiaoren.com。

欢迎大家到材料人宣传科技成果并对文献进行深入解读，投稿邮箱: tougao@cailiaoren.com.

投稿以及内容合作可加编辑微信：cailiaorenVIP。